Karpathy 说视觉是 AI 输出的首选通道，所以未来 HTML 会取代 markdown，再往后是神经视频。

一半同意吧，HTML 在做仪表盘、做对比和一些小交互这类东西上确实是质变，markdown 给不了。

但视觉是首选输出，这个说的有点太满了。 看文字本身就是视觉处理啊，不是只有图形界面才用上眼睛。 并且带宽不等于高效，视觉皮层是宽，但读文本走的是高度优化过的符号通路，未必比解析复杂的布局慢。 一些代码、推理过程，还有需要精确表达的东西，纯文本反而最舒服。HTML 是有隐性成本的，很重也很难二次编辑。

至于终点是扩散模型直出交互视频，技术上不是科幻。 但我有点怀疑它该不该成为通用输出形态，可交互神经世界作为体验是加分，作为默认 I/O 可能丢的比换来的多。